将集合同化与变分同化相结合正在成为资料同化研究的重要发展方向,并在现有的一些研究成果中显示了它的优越性。基于奇异值分解和集合的四维变分方法(SVD-En4DVar)是其中一种具有代表性的方法,利用该方法进行的试验取得了令人鼓舞的结果。不过之前用这类方法所作的试验大多采用比较简单的模式,不但物理过程非常简单,而且模式的自由度也很小,另外所同化的资料大部分是模式模拟资料,距离实际业务应用还比较远。本文将SVD-En4DVar方法和WRF预报模式结合,开展雷达资料的同化试验研究,主要目标是进一步解决SVD-En4DVar方法用于实际业务情况时可能遇到的问题。本文一共分为九章,在第一章首先回顾了资料同化方法的发展历史,并详细介绍了一些主要方法的优点和存在的问题。随后具体介绍了SVD-En4DVar方法的发展过程,提出了该方法应用于实际业务情况特别是雷达资料同化时可能遇到的问题,并提出了相应的解决方案。第二章介绍SVD-En4DVar方法的理论基础,给出了具体公式的推导过程,并对该方法的特点进行了一些探讨。第三章中利用WRF模式及模式模拟的资料,开展了利用SVD-En3DVar(基于集合和SVD技术的3DVar)方法同化雷达径向速度资料的试验。试验特别研究了不同的初始扰动样本产生方法以及不同的样本积分时间对同化结果的影响。提出了一种为预报集合提供初始扰动场的新方法,这一方法将温度和比湿的伪随机扰动场当作观测增量,通过3Dvar系统生成所有变量的初始扰动场。试验表明,用这种方法给出的初始扰动样本各个变量间有较好的协调性,积分后扰动不会快速衰减,可以减少模式调整的时间,达到缩短同化循环时间窗的目的。同化雷达径向风资料后对12小时内的温度,湿度和水平风的预报都有所改进,对降水的预报也有一定改进。第四章针对雷达观测出现大面积空缺时全局同化方案存在的问题,引入了分块同化方案来避免在资料空缺区产生错误的分析增量,减少由于基向量过少引起的对观测信息的过多丢失。利用WRF模式模拟的雷达径向风观测资料进行同化试验,对不同分块尺度参数进行了敏感性试验,给出了最优的分块尺度参数。第五章进一步将这一方法用于同化实际观测资料。选择2008年6月华南地区和2003年7月江淮地区的两个暴雨个例进行同化试验,并将其与WRF-3DVar的同化结果进行比较。结果表明,同化雷达径向风资料以后,在模式初始场中包含了更多的中小尺度信息。对于使用了13部雷达资料的第一个个例,经SVD-En3DVar同化以后对18小时内每6小时一次的累计降水预报都有所改进,而WRF-3DVar的同化效果则不明显。对于只同化1部雷达雷达观测资料的第二个个例,WRF-3DVar和SVD-En3DVar方法同化以后对前6小时的降水预报都有所改进,但对于第6-18小时的降水预报,两种方法都没有改进。第六章在SVD-En3Dvar方法引入观测局地化方案,首先利用模拟雷达径向风和回波观测资料进行同化试验,并与全局同化以及分块同化得到的结果进行比较,然后利用实测雷达资料对理想试验的结论进一步验证,最后利用包含观测局地化方案的SVD-En3Dvar方法对安徽地区的一次暴雨过程进行了实测雷达资料同化试验,通过降水预报对同化效果进行了验证。第七章利用SVD-En3DVar方法进行了循环同化试验,并利用模拟的和实测的多普勒雷达资料进行了检验。通过和单次同化试验的结果相比较,发现对多个时刻的雷达资料进行循环同化,可以在不增加样本积分时间长度的情况下吸收更多的观测信息,得到精度更高的分析场,同时得到的12小时降水预报也有了明显的改进。第八章将可以同时同化多个时刻观测资料的SVD-En4DVar方法用于雷达资料同化,选择2008年华南地区一次暴雨过程和先前的3维同化方案进行了比较,结果表明,SVD-En4DVar由于一次性同化了多个时刻的观测资料,同化过程中引入更多的观测信息,所得到的分析场均方根误差要比只同化一个时刻观测资料的方案更小一些,分析增量场也更接近真实背景误差,但它与采用SVD-En3DVar进行循环同化的结果相比要差一些。相应的实测资料同化试验也表明,它对降水预报的改进效果也不如循环同化方案好。第九章对全文进行总结和讨论,说明了本文的主要创新点,也指出了仍然存在的一些问题。